一階建模與定性分析
數學建模循環
假設朋友問你十分鐘後咖啡還有多熱,或是某個小鎮的人口增長得多快。現實丟給你的是一個雜亂、真實的情境;微分方程是一種方法,讓你用計算而非猜測來回答這類問題。但方程不會憑空出現——你必須親手建立它,然後誠實地評估它是否真的描述了現實。建模循環就是完成這件事的有紀律的迴圈。
這個迴圈有四個不斷反覆出現的階段。第一,提出假設:決定什麼重要(咖啡向房間散熱)、什麼可以忽略(攪拌、蒸發)。第二,把這些假設翻譯成方程——通常是某個變化率等於一個公式的陳述,例如 dT/dt = -k(T - T_room),即「溫度下降的速率與咖啡比房間高出多少成正比」。第三,用公式、斜率場或數值方法求解或分析方程,得到一個預測。第四,把預測拿去和量測值或常識比對;若不符,就回頭修改假設,再跑一次迴圈。
重點在於:模型永遠是刻意的簡化,絕非事物本身,而這個循環正是讓它保持誠實的機制。一個能擬合資料的模型並不自動為「真」——它只在你測試過的範圍內有用。一階建模的技藝,多半就在第一與第四階段:選擇大膽到能得出可解方程、又忠實到讓答案值得信賴的假設。
為一杯冷卻中的咖啡建模:假設散熱與溫差成正比,寫下 dT/dt = -k(T - 20),解得 T(t) = 20 + (T0 - 20)e^(-kt),再用溫度計核對;若初期降溫太快,或許蒸發也起作用,假設便需修正。
假設、翻譯、求解、核對——核對失敗就回頭重來。
能擬合資料並不能證明模型正確;許多不同的機制都可能產生幾乎相同的曲線。擬合良好只代表「目前為止一致」,而非「正確無誤」。
又稱
另見